如何驅動智能制造企業數字化創新？
——基于技術可供性視角的機制與證據

謝衛紅，李淑熒，李忠順，鄒玉坤，郭海珍

（1.廣東工業大學 經濟學院，廣州 510520；2.廣東工業大學數字經濟與數據治理實驗室，廣州 510520；3.廣東省制造業大數據創新研究中心，廣州 510520；4.廣東工業大學 管理學院，廣州 510520；5.廣東工業大學大數據戰略研究中心，廣州 510520）

一、引言

隨著德國工業4.0 的發展，以大數據、云計算等數字技術為驅動力的第四次工業革命在全球范圍內興起，引領了新一輪以“數字化”為特征的產業創新變革浪潮。作為制造業的關鍵領域，智能制造受到國家的高度關注與支持。在習近平新時代中國特色社會主義思想指導下，國家相繼出臺《中國制造2025》《關于支持新業態新模式健康發展意見》《“十四五”智能制造發展規劃》等一系列政策和措施，旨在推動智能制造企業充分利用數字技術發展自主可控的核心技術和創新體系，提升數字化創新能力。同時，黨的二十大報告中強調，“沒有信息化就沒有現代化”“加快開展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”，明確提出要以數字化開創高質量發展新局面。數字化創新因其深刻的數字技術內涵和廣闊的應用前景，不僅為智能制造企業實現數字化轉型和智能化發展提供了契機，也為打造數字經濟新優勢和建設數字中國提供了重要支撐。以海爾集團和德國西門子公司為例，它們利用新一代信息技術分別構建COSMOPlat 數字化工廠平臺和推出數字化車間，推動企業實現生產過程的數字化升級和協同化管理，從而顯著提升產品的生產效率與質量。這些成功案例表明，數字化創新在智能制造企業的發展中扮演著關鍵角色，有助于企業構建新的競爭優勢并實現高質量發展。然而，根據智能制造評估評價公共服務平臺數據，截至2023 年11 月，約61.15%的中國制造企業的智能制造能力成熟度仍處于一級及以下水平，僅有6.25%的制造企業達到了四級及以上水平①數據來自智能制造評估評價公共服務平臺網站，具體網址見https：//www.c3mep.cn/dataBoard？subPlatformId=1。。這意味著中國制造企業在智能制造領域仍存在很大的發展空間，同時也面臨著核心技術壁壘、智能化轉型緩慢，以及數字化創新實踐經驗不足等困難。而智能制造企業作為國民經濟技術前沿陣地的中堅力量，盡管面臨更復雜的技術環境和挑戰，但在數字化轉型與創新方面一直是制造業中的“領頭羊”與“佼佼者”，在當前數字化時代扮演著至關重要的角色，領導著制造業數字化、網絡化、智能化發展。因此，研究智能制造企業數字化創新的內在機制，探索數字化資源的應用策略和技術手段，是當前業界和學術界亟需關注、討論和解決的重要課題，其研究結果不僅對于智能制造領域的決策者和從業人員具有實際意義，而且對于傳統制造企業或其他高科技企業應用數字技術進行數字化創新能夠提供有價值的參考與啟示。

近年來，數字化創新已逐漸成為學術界的研究焦點（Boland et al，2007；Yoo et al，2010725；Nambisan et al，2017；Jahanmir and Cavadas，2018；謝衛紅等，202020；Cheng and Wang，2021；秦佳良和余雪梅，2023）。通過對創新流程和創新結果兩個視角的研究，一種綜合性的數字化創新定義得到廣泛認可，即數字化創新是不同主體通過重組數字化資源進行的各種“數字化”活動，包括新產品、新服務、新流程、新商業模式的創造（Abrell et al，2016；謝衛紅等，202021；閆俊周等，2021）。研究者們通過各種研究方法，如理論分析、案例研究、問卷調查等，從概念內涵（Hund et al，2021）、創新生態（楊偉和劉健，2021；諸葛凱等，2022；孫永磊等，2023）、影響路徑（王玉榮等，2022；張海麗等，2023；葉丹等，2023）等角度對數字化創新進行探討。然而，現有研究主要關注數字化創新的“后果”，如研究數字化創新對區域發展路徑、經濟高質量發展的影響（李曉娣和饒美仙，2023；甄俊杰等，2023），或者對企業智能化轉型產生的影響（夏天添，2022；李婉紅和王帆，2023；Liu et al，2023），對于智能制造企業數字化創新的“前因”尚待深入研究。

關于數字化創新影響因素的研究，學者們提出了多種觀點（Ferreira et al，2019；Trocin et al，2021；姜瑞，2021；王新成和李桓，202185；孫忠娟等，2021），但尚未達成一致。綜合數字化創新過程和結果兩個角度，影響因素包括創業者或管理者的個人特征、企業數智能力、數字戰略、數字化資源、內部組織環境等方面（劉洋等，2020204；梁玲玲等，2022；洪江濤和張思悅，20233）。然而，關于數字化投入（如數字化人才、數字應用等）對數字化創新產生的影響，學者們存在不同看法。一方面，他們認可企業數字化投入對數字化創新產生積極作用；另一方面，他們開始關注“數字化悖論”現象（肖仁橋等，2021；余菲菲等，2022；王旭等，2022；成瓊文和陸思宇，2022；龐瑞芝和劉東閣，202298）。數字化悖論指的是，在企業實施數字化初期，數字技術能為企業帶來創新績效與利潤的大幅提高，但當過度運用數字技術時，企業將面臨信息過載等問題，現有的資源和能力基礎將無法與企業深入發展數字化的決策相適應，且數字物化成本對創新投入將產生擠出效應，使企業創新績效不升反降。

與傳統企業創新、技術創新不同，數字化創新的本質在于對數字技術的應用（Yoo et al，2012；Mangematin et al，2014；Henfridsson et al，2018；Bogers et al，2022）。數字技術具有可重新編程性、可供性、可生成性等特性，通過不同組合可以產生不同的價值實現路徑（Lyytinen，2022）。這使得數字化創新具有自生長性與融合性等顯著特質，例如結合產品特征進行再塑造與再創新、突破產業邊界束縛實現跨產業融合創新等（柳卸林，2020）。技術可供性理論為數字化創新提供了解釋機制（Autio et al，2018；程聰等，2022）。該理論強調，不同數字技術在不同情境下被不同行為主體感知到的行動可能性也會不同，在技術工具、行為主體及情境三個方面持續互動作用下將產生各種各樣、難以預測的行為結果（謝衛紅等，2022214）。

基于此，本文將以謝衛紅等（202021）提出的數字化創新概念為基礎，圍繞技術可供性理論，構建“技術-行為主體-情境”理論分析框架，并通過對學者們的相關研究進行梳理和分析，選取智能制造企業相關數據，運用實證分析等方法研究智能制造企業數字化創新的驅動因素，以期為這類企業在數字化創新過程中的決策提供參考。

本文的貢獻主要體現在以下幾個方面：首先，在中國智能制造企業數字化背景下，結合對現有文獻的梳理，深入探討了智能制造企業數字化創新的驅動要素，為進一步理解數字化創新提供了新穎的視角；其次，從技術可供性的視角出發，構建“技術-行為主體-情境”理論分析框架，深入分析技術層面、行為主體層面及情境層面對智能制造企業數字化創新的影響。研究成果有助于豐富有關數字化創新過程、機理及運行機制等方面的研究成果，不僅為智能制造企業制定數字化創新優化策略提供有益的參考，還有助于國家提高智能制造能力，促進經濟高質量發展。

二、理論基礎與研究假設

（一）理論基礎

圍繞數字化創新的研究，技術可供性理論為研究智能制造企業數字化創新的驅動因素提供了一個全面且富有洞察力的視角。因此，本文在技術可供性理論的基礎上構建了“技術-行為主體-情境”的理論分析框架，將企業數字化創新的驅動因素歸納為技術層面、行為主體層面和情境層面三個維度，并分別選取相應指標展開研究。

1.技術可供性概念

可供性（affordance）的概念最早是由美國生態心理學家James Gibson 提出，指的是環境或物體為行為對象（如動物、人類等）提供的行動可能性，這種可能性具有兩面性，涵蓋積極與消極兩方面，與行為對象的主觀態度、行為密切相關（Gibson，1986）。隨后，Norman（2002）對可供性進行了深入闡述，指出可供性是事物的可感知和真實屬性，包括決定如何使用事物的基本屬性，如磁盤可以推動、球可以投擲或拍打等。

隨著研究的發展，學者們逐步將其應用于信息系統領域。Markus 和Silver（2008）創造性地提出與信息技術（IT）相關的“功能可供性”概念，認為信息系統的功能和特性對用戶在特定行動與目標中的選擇和決策產生各種潛在影響。這一研究強調了可供性的關系屬性，推動可供性理論在人機交互領域的進步。相似的，從關系視角上看，技術可供性可被認為是行為主體與技術在互動中產生的行動可能性，即信息技術為行為主體帶來行動可能性，同時行為主體具備的目標和利用信息技術的能力也會塑造技術特征（Cousins and Robey，2015；洪江濤和張思悅，20236）。例如，一款社交媒體應用可以為用戶提供與朋友交流、分享照片等目標行動的可能性，而用戶可以利用該應用來實現社交需求或其他目標行為；另外，從行為視角上看，技術可供性更強調行為主體的能動性。行為主體的目標導向、認知模式和行為能力等特征會影響其對技術可供性的理解，因此同一技術對象對不同行為主體將產生不同的目的與行為可能性（劉祎和王瑋，2019156）。例如，對于云計算技術，企業經理人會將云計算技術視為成本節約和資源整合的工具，并將其用于優化IT 資源配置和降低成本；而軟件開發者則會將云計算技術視為便捷平臺，并用于加速軟件開發和部署，提高創新效率。但由于技術可供性是一種潛在的行動可能性，其具體的實施方式、使用效果會根據其所在情境不同而產生顯著差異，從而影響行為主體與技術互動以共同實現某個目標的成效（Mesgari et al，2018）。例如，Facebook 作為社交媒體平臺，它在大學校園情境下將促進師生交流與學生社交，而在商業企業情境下將推動企業與客戶之間的互動與營銷。

總體而言，技術可供性的概念可被定義為不同情境下行為主體能動地與技術主體持續互動，所產生的各種結果的可能性（謝衛紅等，2022212）。該理論為智能制造企業數字化創新驅動因素的探討提供了獨特的研究視角，揭示“同樣的數字技術應用于不同企業會產生不同程度、不同形式的創新結果”這一問題的原因在于技術、行為主體及情境三者的影響。因此，為深入探討智能制造企業數字化創新的驅動因素與優化策略，本文將技術可供性理論運用于此背景展開研究。

2.技術可供性理論分析框架

技術可供性理論強調，技術所帶來的各種可能性是由技術工具、行為主體和情境三方面共同影響的（劉祎和王瑋，2019157；林培望，2021；謝衛紅等，2022216）。因此，本文從技術可供性視角出發，構建“技術-行為主體-情境”理論分析框架，分別選用企業信息技術投入、首席信息官及數字經濟環境三個指標代表各層面，研究其對智能制造企業數字化創新帶來的影響效果。

關于技術層面，技術工具一般指信息技術及其組成部分，包括具有物理形態和虛擬形態的數字化基礎設施、數字化平臺等。這些技術工具具備的核心功能屬性和特征為用戶行為提供了潛在可能性，既具有支持性，又具有約束性，進而影響用戶產生不同的認知和行為（Shao et al，2020）。因此，本文選取企業信息技術投入作為技術層面的變量。信息技術投入不僅有助于智能制造企業建立和完善數字化基礎設施，還能推動企業生產流程、管理服務加快數字化步伐，為企業數字化創新提供所需的技術支持和平臺。

關于行為主體層面，行為主體主要指使用技術的特定用戶或組織內部利用技術工具的用戶集合（Strong et al，2014）。當一項技術工具被一位用戶或一群用戶使用時，技術功能會被用戶不斷挖掘，其發揮的作用將根據行為主體使用方式的不同而不同（Gibson，1986）。例如，計算能力是一項數字技術，它有可能被用于運行模擬，但使用該技術的用戶需要獨自或通過與組織內部員工交流互動發現其使用潛力（Vyas et al，2006）。通過對技術不同的理解，以及使用技術的不同目標導向，行為主體能夠發揮主觀能動性利用這些工具并創造新的見解（Cetindamar and Abedin，2020）。因此，本文選取企業首席信息官的任用情況作為行為主體層面的變量。首席信息官在制定和執行企業數字化創新規劃方面發揮著重要作用，不僅能為智能制造企業數字化創新提供方向和支持，還能夠結合企業自身需求有目的地與技術主體進行互動，促進企業在生產、管理和服務等方面的數字化創新突破。

關于情境層面，情境主要指在特定時間內，事情發展或個體行為活動的狀況、情勢或即時條件（蘇敬勤和張琳琳，2016）。情境是主體互動的場所，在為主體提供相關信息、激發主體行動潛力的同時，對主體之間的互動還起著促進或約束作用，持續影響技術可供性的結果（謝衛紅等，2022215）。因此，本文選取數字經濟環境作為情境層面的變量。數字經濟環境為智能制造企業提供了一個技術與行為主體、企業與企業之間互動的場所，有利于促進企業、同行之間在數字化創新方面的學習和交流，為智能制造企業創造大量技術進步與創新機會，釋放企業數字化創新活力。

（二）研究假設

1.技術工具的可供性：企業信息技術投入與企業數字化創新

在新一代信息通信技術迅猛發展的背景下，信息技術在智能制造企業價值鏈內外的各個環節應用日益深入，為企業生產、市場營銷和運營管理等業務領域提供了關鍵的信息和數字服務，推動智能制造企業加快數字化和智能化發展的步伐（栗曉云等，2023）。在智能制造企業數字化創新進程中，信息技術作為關鍵的數字化資源，具有對智能制造企業生產制造模式、組織結構形式、業務流程等產生根本性和顛覆性影響的能力（李倩，2020）。信息技術通過緩解創新資源對接的時空約束、提升數據傳輸與儲存的體量、豐富數據獲取類別、提高創新資源整合水平和提升研發決策能力等5 個方面，賦能創新主體有效利用數字技術進行產品、生產流程等方面的數字化創新（楊帆，2021；張昕蔚，2019）。因此，信息技術投入有利于智能制造企業的數字化基礎設施建設與先進技術工具應用，幫助企業更好地挖掘潛在市場機會、優化產品設計和改善運營效率，從而提升智能制造企業數字化創新的績效水平。

基于此，本文提出假設1：

企業信息技術投入對智能制造企業數字化創新具有正向影響（H1）。

2.主體能動的可供性：企業首席信息官與企業數字化創新

數字技術作為數字化創新的核心要素（劉洋，2020202），獨具數據同質化（data homogenization）與可重新編程性（reprogrammable functionality）兩大特性（Yoo et al，2010726）。在數字化創新過程中，高層管理者的關注與支持對于數字技術應用的成功實施至關重要（王新成和李垣，202184）。作為智能制造企業信息技術發展的引領者，首席信息官具備卓越的戰略遠見、業務戰略規劃能力和組織變革能力，不僅能夠挖掘數字技術賦能企業業務發展的各種可行性，將數字技術與企業戰略業務深度融合，還可以向組織成員傳達數字技術的重要性與優勢，激發企業員工數字化創新熱情與積極性，致力于智能制造企業數字化創新發展（張延林等，2021）。此外，相較于其他高管，首席信息官對數字技術具有更為深刻的認知與理解，他能夠與智能制造企業信息技術所產生的“可供性”相互作用，形成各種“化學反應”（洪江濤和張思悅，20233），從而不斷產生新的數字化創新實踐想法，推動智能制造企業更好地應用數字技術進行數字化創新。

基于此，本文提出假設2 和假設3：

設置首席信息官對智能制造企業數字化創新具有正向影響（H2）；

首席信息官與信息技術的交互作用對智能制造企業數字化創新具有正向影響（H3）。

3.情境支撐的可供性：數字經濟環境與企業數字化創新

隨著數字經濟的蓬勃發展，智能制造企業在數字化創新方面獲得了前所未有的機遇。一方面，在良好的數字經濟環境中，新興數字技術能夠突破時間和空間的限制，深度融入智能制造企業的經營模式、組織結構及研發生產等環節中，最大限度釋放數據價值。這不僅推動了智能制造企業數字化轉型與創新，還加快了智能制造企業之間的合作創新、資源共享和優勢互補，提高數字化創新效率（趙平，2023）。另一方面，數字經濟的發展為產業發展提供了有益的數字基礎設施條件，優化了營商環境與創新環境，降低了企業面臨的環境不確定性風險，同時增強了企業開展創新活動的信心（申明浩等，2022）。對智能制造企業來說，數字技術具有“創造性破壞”與“創造性建設”的雙重性，企業在進行數字化創新時也將面臨一定的風險。但是穩定的數字經濟環境能夠降低信息不對稱在企業數字化創新項目中所產生的阻礙作用，賦能企業更全面快速地搜集經營數據信息與客戶需求意見，解決企業存在的問題與不足，規避市場風險（杜金柱和扈文秀，2023），使數字技術成為智能制造企業的“創造性建設”，實現數字化創新。

基于此，本文提出假設4：

數字經濟環境對智能制造企業數字化創新具有正向影響（H4）。

綜上，構建的研究模型具體如圖1 所示。

圖1 研究模型

三、研究設計

（一）樣本選取與數據來源

相較于傳統制造業，智能制造企業具備先進的技術能力和智能化水平，屬于知識和技術密集型企業，其技術特征十分突出，在應用前沿數字技術方面展現出較強的主觀能動性和客觀基礎，是數字化創新研究領域中富有代表性的企業。因此，本文將選取智能制造企業作為研究樣本，更深入、細致地研究企業數字化創新的驅動因素，為相關企業開展數字化創新活動提供有價值的經驗參考。本文遵循《數字經濟及其核心產業統計分類（2021）》（國家統計局發布）中關于智能制造業的劃分標準，對我國2016 年以前上市的A 股制造業上市公司進行遴選，共計篩選出556 家符合條件的智能制造上市公司作為初始研究樣本，樣本期為2016—2021年。為確保數據的完整性與科學性，采用以下步驟對樣本進行篩選與處理：①剔除樣本期內ST（special treatment）、*ST 類企業及退市企業樣本；②剔除關鍵數據缺失嚴重的企業樣本；③剔除2016—2021 年連續6年數字化創新專利數量為0 的企業樣本；④利用線性插值法對部分缺失的統計數據進行補充。經過以上處理，最終獲得2016—2021 年380 家智能制造上市公司的樣本數據，共計2280 個觀測值。數據來源情況如下：智能制造企業數字化創新數據來自國家知識產權局綜合服務平臺；首席信息官數據來自智能制造企業年度報告中披露的信息；數字經濟環境數據來自國家統計局、各省政府工作報告，以及北京大學數字金融研究中心；其他數據來自國泰安數據庫。

（二）變量設定

1.被解釋變量

企業數字化創新（lnPatent）。近年來，數字化發展不僅給智能制造企業帶來經濟的爆發式增長，也為其創造了獨特的競爭優勢。智能制造企業的發展已越來越重視數字化，各大智能制造企業的數字化產品如雨后春筍般不斷涌現。在現有研究中，由于目前智能制造企業數字化創新的定性數據難以獲取，暫無直接識別企業數字化創新的指標，學者們多采用問卷測量（謝鵬等，2023；田澤等，2023）或專利摘要文本識別（胡增璽和馬述忠，2023）的方式衡量企業數字化創新。因此，鑒于數據的可獲性，本文參考王新成和李桓（202186）、崔煜雯等（2023）、李小青和何瑋萱（2022）的做法，選用數字化創新專利數量加1 后取自然對數的值作為智能制造企業數字化創新的衡量指標，記為lnPatent。其中，數字化創新專利指的是企業當年申請的與數字技術相關的專利，其具體測度方法如下：首先，通過人工查閱與數字化相關的多篇文獻，根據戚聿東和蔡呈偉（2020）、吳非等（2021）、黃漫宇和王孝行（2022）、張吉昌和龍靜（2022a）、郭彤梅等（2023）等學者們的研究結果，確定104 個與數字化技術專利相關表述的關鍵詞（表1），構建“企業數字化創新”文本分析字典，其中包含57 個底層數字技術關鍵詞與47 個數字技術應用實踐關鍵詞；其次，通過國家知識產權局綜合服務平臺的高級檢索功能，在該平臺上將表1 中的關鍵詞與樣本智能制造企業當年申請的所有專利摘要信息進行匹配，只要該專利摘要信息包含表1 中的任一關鍵詞即可視為數字化創新專利；最后，匯總得到樣本智能制造企業在2016—2021 年申請的與數字化創新相關的專利數量。當智能制造企業的數字化創新專利數量越多，則表示智能制造企業的數字化創新績效越高。

表1 “企業數字化創新”文本分析字典

為了檢驗本文構建的數字化創新指標的合理性和客觀性，參考張吉昌等（2023）的檢驗方式，從內容效度、結構效度、效標效度三個方面對指標進行檢驗。首先，內容效度方面需檢驗數字化創新指標能否真實地反映智能制造企業的數字化創新水平。因此本文對樣本企業在2016—2021 年的數字化創新專利數量進行匯總與排序，抽取專利數量排名前五的智能制造企業（分別為珠海格力電器股份有限公司、美的集團股份有限公司、海爾智家股份有限公司、大族激光科技產業集團股份有限公司、沈陽新松機器人自動化股份有限公司），通過查閱企業年報與官網中關于數字化創新的內容，認為該指標能真實反映企業的數字化創新現狀。其次，結構效度方面需檢驗構建的數字化創新指標能否有效預測假設。因此本文在對相關變量進行控制后，實證檢驗得出企業數字化創新在1%水平上顯著促進企業全要素生產率提升，與羅佳等（2023）的結論一致。最后，效標效度方面需驗證構建的數字化創新指標與其近似指標是否具有相關性，如果具有顯著的相關性，則說明該指標具有效標效度。因此，參考黃先海和王瀚迪（2022）的方法，用IPC（international patent classification）專利分類號識別出的企業數字技術專利作為近似指標，得出企業數字化創新與該近似指標在1%水平上呈顯著的正相關關系。綜合上述檢驗結果，可以得出本文構建的數字化創新指標合理、客觀，可進一步展開研究。

2.核心解釋變量

企業信息技術投入（InICT）。企業信息技術投入主要指的是企業信息化建設過程中產生的各項信息化、數字化投入，分為信息技術硬件投入、軟件投入兩部分。參考現有文獻，衡量企業信息技術投入的方式主要有三種，分別是用信息技術軟件和硬件的投資總和與總資產的比值來衡量（龐瑞芝和劉東閣，2022103）；用信息技術硬件和軟件的投資總和來衡量（劉飛和田高良，2019）；或用信息技術硬件和軟件投資總和取對數后的值來衡量（舒偉等，2021）。為排除企業規模因素的干擾，使測量結果更加全面與準確，本文將參考舒偉等（2021）的做法，采用信息技術硬件和軟件投資總額加1 取自然對數后的值作為智能制造企業信息技術投入的衡量指標。其中信息技術硬件投資額通過合計智能制造企業固定資產明細項中電子設備、微型電子計算機等與數字化有關項目的年末余額得出；信息技術軟件投資額通過合計智能制造企業無形資產明細項中計算機軟件、系統（除研發項目）、數據庫等與數字化相關項目的年末余額得出。

企業首席信息官（chief information officer，CIO）。首席信息官是企業中專門從事信息化方面領導工作的高層管理人員，他們不僅擁有技術和商務兩方面的知識，還能靈敏地感知新興技術的發展，靈活地將新興信息技術和商業策略緊密結合并運用到企業發展戰略中，為公司業務發展嵌入新的數字化屬性。由于中國數字信息技術發展起步較晚，很多智能制造企業尚未真正設立首席信息官一職，其對應的職位更多的是IT 經理、技術總監等職務，同時國家工信部曾于2021 年12 月在《“十四五”大數據產業發展規劃》中開始明確提出推廣首席數據官（chief data officer，CDO）制度，以推動各行業企業設立首席數據官一職引領企業數字化發展，因此本文將結合上述情況并參考彭宇（2010）、王新成和李桓（202286）的做法，通過Python 和手工相結合查找上市公司披露的高管職位信息和年度報告，整理得到企業是否設置首席信息官、首席數據官或相似職位的相關信息。如果智能制造企業設置了CIO、CDO 或相似職位，則對該變量設為1；否則為0。

數字經濟環境（Envir）。近年來，數字經濟發展已成大勢所趨，成為世界各國實現高質量發展的新引擎。為衡量數字經濟發展水平，學者們提出了不同的統計指標和測度方法，例如趙濤等（2020）從互聯網普及率、互聯網相關從業人員數、互聯網相關產出、移動互聯網用戶數及數字金融普惠發展5 個方面來測度城市層面的數字經濟綜合發展指數；王軍等（2021）從數字經濟發展載體、數字產業化、產業數字化及數字經濟發展環境4 個維度全方位構建數字經濟測量指標體系等。綜合參考各學者和組織機構的測量方法與思路，參考王軍等（2021）、金燦陽等（2022）的做法，從數字發展基礎設施、數字產業化、產業數字化及數字化環境4 個維度構建中國省域數字經濟發展評價指標體系（見表2），運用主成分分析法計算得出各省份每年的數字經濟發展綜合得分，以此來衡量各省的數字經濟環境發展水平。該指標分數越高，則代表該省份的數字經濟環境越好。其中，鑒于數據的可獲性，未含西藏地區及港澳臺地區。

表2 中國省域數字經濟發展評價指標體系

3.控制變量

為了更加全面分析智能制造企業數字化創新的影響因素，本文參考肖陽和張曉飛（2021）、胡澤民和方玲（2020）的研究成果，將引入企業規模（Scale）、企業年齡（Age）、營業收入增長率（Grow）、股權集中度（Stock）4個指標作為控制變量，以降低研究成果受非關鍵因素的影響程度。

綜上，各變量的具體定義見表3。

表3 智能制造企業數字化創新影響因素變量指標度量

（三）模型設定與實證策略

為檢驗上述研究假設，構建以下4 個基準回歸模型：模型（1）、模型（2）與模型（4）分別檢驗企業信息技術投入、企業首席信息官與數字經濟環境對智能制造企業數字化創新產生的影響；在模型（1）與模型（2）的基礎上構建模型（3），以驗證企業信息技術投入與首席信息官之間的交互作用對智能制造企業數字化創新的影響。在準備面板數據回歸分析之前，本文根據豪斯曼檢驗結果確立采用固定效應模型展開面板回歸分析。

其中：lnPatent為被解釋變量企業數字化創新；lnICT、CIO、Envir分別為核心解釋變量企業信息技術投入、首席信息官任職情況及企業所在省份的數字經濟環境；Controls為控制變量集合，包括企業規模（Scale）、企業年齡（Age）、營業收入增長率（Grow）、股權集中度（Stock）；Year和Ind分別為年份固定效應和行業固定效應；i為公司；t為年份；a0為截距項；β、γ為待估系數；ε為隨機擾動項。

四、基準實證結果與經濟解釋

（一）描述性統計分析

表4 呈現了各變量的描述性統計分析結果。所選樣本包括了380 家智能制造企業，時間跨度為2016—2021 年。在細分行業類別方面，共涵蓋了6 個類別，分別是電氣機械及器材、汽車、運輸設備、通用設備、儀器儀表和專用設備制造業。被解釋變量企業數字化創新（lnPatent）的均值為1.140，標準差為1.226，最小值和最大值分別為0 和7.397，這表明智能制造企業在數字化創新水平方面存在較大差異。從解釋變量方面分析，智能制造企業的信息技術投入（lnICT）最小值為0，最大值為23.125，這表明各企業在信息技術投入方面存在較大差距。關于首席信息官（CIO）一職的任用情況，數據顯示有40.7%的智能制造企業設置了首席信息官或類似職位，這意味著大多數智能制造企業在數字化轉型和發展方面給予了較高的重視。此外，樣本企業所在省份的數字經濟環境發展水平（Envir）的平均值為0.751，表明大多數智能制造企業所處地區的數字經濟發展水平較高，為企業數字化創新提供了政策、經濟、文化和技術支持。從控制變量方面分析，企業規模（Scale）和股權集中度（Stock）在不同智能制造企業之間存在較大差異，這說明所選樣本涵蓋了大中小型智能制造上市公司，具有廣泛的代表性，而其他控制變量的數據均處于合理范圍。

表4 描述性分析

（二）基準回歸結果

1.技術、行為主體層面變量對智能制造企業數字化創新的影響

依據先前構建的模型，表5 展示了技術與行為主體層面變量對智能制造企業數字化創新的基準回歸分析結果。列（1）與列（2）中，僅考慮年份和行業固定效應，分析結果顯示，智能制造企業信息技術投入（lnICT）及企業首席信息官（CIO）均與企業數字化創新（lnPatent）在1%顯著水平上呈正相關關系。這表明，在智能制造企業數字化創新過程中，信息技術投入為企業數字化創新提供了關鍵基礎，有助于引領企業的數字化發展，顯著提升智能制造企業數字化創新水平，驗證了假設H1。此外，首席信息官作為智能制造企業信息化建設的核心領導者，在數字化創新戰略實施方面發揮了顯著作用，推動企業采用各種新興數字化技術進行生產創新、服務創新、流程創新等創新活動，驗證了假設H2。在列（3）和列（4）中，納入相關控制變量回歸之后，上述結論依然成立。更進一步地，將技術與行為主體層面的交互項與技術、行為主體層面變量一同進行回歸分析，以探討技術與行為主體之間產生的交互作用對智能制造企業數字化創新的影響效果。列（5）的結果顯示，首席信息官與企業信息技術投入的交互項（lnICT×CIO）在1%水平上與企業數字化創新呈顯著的正相關關系。這意味著首席信息官在智能制造企業數字化創新過程中與企業信息技術投入產生積極的交互作用，能靈活應用企業信息技術以驅動企業數字化創新發展，驗證了假設H3。

表5 基準回歸結果

除此之外，表5 的回歸結果揭示了控制變量與智能制造企業數字化創新之間的關系，在一定程度上符合理論預期。根據列（3）～列（5）的結果，可以觀察到智能制造企業年齡（Age）與企業數字化創新之間存在顯著的正相關關系。這一發現表明，相較于年輕的智能制造企業，成熟的智能制造企業可能擁有更豐富的資源和人際網絡，這些優勢在一定程度上使其能夠應對數字化創新帶來的風險，并在企業數字化創新發展過程中保持競爭優勢。同樣，智能制造企業規模（Scale）對企業數字化創新的回歸系數在1%的水平上顯著為正，這意味著智能制造企業的規模越大，其數字化創新的成效可能越為顯著。現階段中國智能制造企業還處于智能化轉型初期，智能制造企業規模的合理擴張有助于提高數字化創新所帶來的規模效益，從而形成人才、資金與技術優勢，實現利潤最大化。與此同時，智能制造企業股權集中度（Stock）、營業收入增長率（Grow）與企業數字化創新之間的關系未通過顯著性檢驗。這一結果可能暗示企業股權集中度、營業收入增長率與企業數字化創新的關系尚不明確，需要進一步研究來加以確認。

2.穩健性檢驗與內生性處理

為了評估指標解釋能力與研究方法的穩健性，并提高研究結論的可靠性，本文將采用多種方法對回歸模型進行穩健性檢驗，分別為剔除部分因素影響（如2020 年新冠肺炎疫情）、前置兩期被解釋變量、替換被解釋變量、回歸模型更替，以及采用工具變量方法，試圖解決可能存在的內生性問題。

（1）剔除部分因素影響。智能制造企業進行數字化創新活動，一方面依賴企業內部的人力、物力與財力支持；另一方面與外部環境的發展趨勢密切相關。2020 年，新冠肺炎疫情在全球范圍內迅速蔓延，給智能制造企業的經營發展帶來諸多難題與挑戰。考慮到新冠肺炎疫情這一因素可能對智能制造企業數字化創新產生干擾，本文剔除2020—2021 年的樣本后重新進行回歸檢驗。如表6 的列（1）～（3）所示，智能制造企業信息技術投入（lnICT）、首席信息官（CIO）及企業信息技術投入與首席信息官的交互項（lnICT×CIO）均與企業數字化創新（lnPatent）呈顯著的正相關關系，這一結果與先前的分析一致。

（2）滯后性問題。鑒于信息技術投入與首席信息官對智能制造企業數字化創新可能具有一定的滯后性影響，本文引入企業數字化創新的前置兩期項進行回歸分析。具體而言，將被解釋變量智能制造企業數字化創新數據前置兩年（F2.lnPatent）重新納入回歸檢驗。表6 的列（4）～列（6）的回歸結果表明，核心解釋變量仍具有顯著影響，與先前的結論相符。

（3）替換被解釋變量。考慮到衡量智能制造企業數字化創新的方法差異可能對估計結果產生影響，本文參考黃先海和王瀚迪（2022）對企業數字技術創新的衡量方法，依據國家知識產權局發布的《戰略性新興產業分類與國際專利分類參照關系表（2021）》②文件來源于國家知識產權局網站，具體網址見https：//www.gov.cn/gongbao/content/2021/content_5625996.htm。對工業互聯網、大數據等數字化類產業相關國際專利分類（IPC）的界定，將企業專利申請信息中包含相應IPC 的發明專利數量作為數字技術創新專利（Innovation）指標，替代原被解釋變量企業數字化創新（lnPatent），以進行穩健性檢驗。表6 的列（7）～列（9）的結果表明，企業信息技術投入、首席信息官及兩者的交互作用顯著促進智能制造企業數字化創新，與先前的結論相符。

（4）回歸模型更替。一方面，借鑒唐松等（2020）和凌士顯等（2023）的方法，采用控制“行業×年份”的高階聯合固定效應模型進行穩健性檢驗；另一方面，鑒于被解釋變量企業數字化創新（lnPatent）采用專利數據衡量，存在較多0 值和左截尾現象，本文采用Tobit 模型重新進行檢驗。表6 的列（1）～列（6）的結果與先前結論相一致。

（5）內生性處理。在前述的穩健性檢驗中，本文對被解釋變量企業數字化創新進行了前置2 期處理，以盡可能消除“數字化創新績效越高的智能制造企業，越會加大對企業信息技術的投入，以及更加愿意引進首席信息官、首席數據官等數字化領導人才”這一反向因果關系導致的內生性問題。但該做法并不能完全解決回歸方程中存在遺漏變量等內生性偏差的問題，因此，在沒有合適的工具變量的條件下，參考Lewbel（1997）提出的不借助外部因素構建有效內部工具變量的方法，借鑒李唐等（2020）、張吉昌和龍靜（2022b）構建工具變量的研究思路，分別選用企業信息技術投入與按行業-省份分類的企業信息技術投入平均值差額的三次方（IVICT）、企業首席信息官任用情況的滯后1 期項（L.CIO），以及企業信息技術投入滯后1 期項（L.ICT）與企業首席信息官任用情況滯后1 期項（L.CIO）的交互項（L.ICT×L.CIO）作為企業信息技術投入（lnICT）、企業首席信息官（CIO）及其兩者交互項（lnICT×CIO）的工具變量，并采用兩階段最小二乘（2SLS）回歸方法就企業信息技術投入、首席信息官及其兩者交互項對智能制造企業數字化創新的影響效應重新進行回歸估計。

表7 報告了工具變量的回歸結果。由列（1）、列（3）、列（5）可見，在第一階段回歸中，工具變量IVICT、L.CIO、L.ICT×L.CIO系數均在1%的統計水平上顯著為正，符合工具變量的相關性；Kleibergen-Paap rk LM 統計量分別為95.534、1070.300、32.920，均在1%水平上顯著，通過不可識別檢驗；Cragg-Donald WaldF統計量分別為3482.81、7074.58、24.999，通過弱工具變量檢驗，說明工具變量選取有效。表7 列（2）、列（4）、列（6）為第二階段估計結果，結果顯示在工具變量回歸法下，智能制造企業信息技術投入、企業首席信息官及其兩者交互項的回歸系數分別在5%、1%、1%的統計水平上顯著為正，且回歸系數與顯著性均比原有基準回歸有一定程度的提高，說明在控制內生性問題后，前文結論依舊穩健。

表7 內生性檢驗

經過上述分析，各項檢驗均未導致實質性的結果變化。智能制造企業信息技術投入、首席信息官及二者交互過程中產生的效用對企業數字化創新具有顯著的積極效應。因此，本文結論具有較高的可靠性與穩健性。

五、異質性分析

在前文研究基礎上，考慮到企業信息技術投入的應用情況、首席信息官的發揮作用與智能制造企業產權性質、吸收能力等個體特征息息相關，從而影響企業在數字化創新方面的策略實施。因此，接下來將基于智能制造企業的產權性質和吸收能力展開異質性分析，以更好地了解智能制造企業在數字化創新過程中的差異化需求與發展戰略。

（一）基于企業產權性質的異質性分析

智能制造企業的不同產權性質，可能會影響企業信息技術投入、首席信息官及其兩者交互作用對企業數字化創新績效的邊際效應。國有智能制造上市企業通常擁有更多的政策支持和資源優勢，能夠投入更多資源來推動企業數字化創新；而非國有智能制造上市企業長期處于激烈的市場競爭環境中，融資相對困難，從而在數字化創新方面的投入與產出將受到一定程度的限制。因此，本文根據上市企業是否為國有控股，將企業樣本劃分為國有企業與非國有企業兩類，分組回歸以探討產權性質差異對智能制造上市企業數字化創新的影響。

綜合智能制造上市企業樣本回歸結果來看，表8 中列（1）～列（6）的結果表明，信息技術投入（lnICT）、首席信息官（CIO）及其兩者交互項（lnICT×CIO）對國有智能制造上市企業數字化創新的回歸系數分別為0.041、0.949、0.085 且均在1%水平上呈顯著為正，對非國有智能制造上市企業數字化創新的回歸系數分別為0.022、0.712、0.030 且均在1%水平上呈顯著為正，說明技術、行為主體及其交互作用對國有智能制造上市企業數字化創新的驅動作用更為明顯。

表8 基于企業產權性質的異質性分析回歸結果

可能的原因在于：對于國有智能制造上市企業而言，該類企業更具備政策制度、人才、資金和技術資源優勢，從而為上市企業數字化創新創造了更有利的內部環境和條件，進一步提升企業數字化創新的能力與績效。長期以來，國家一直在倡導和鼓勵企業進行數字化轉型與創新。由于國有上市企業的性質和功能定位，它們通常更快意識到企業數字化轉型與創新已經成為不可回避的時代發展趨勢，進而更積極地響應國家的號召，擁抱數字化并開展相應的數字化創新活動。在國家政策和資源的支持下，國有上市企業能夠更好地承擔創新風險與試錯成本，積極為企業數字化創新活動投入技術與數字化人才資源，推動企業自身成為智能制造行業數字化創新標桿。此外，經過40 多年的改革開放探索實踐，國有智能制造上市企業的治理制度和管理制度等方面的改革已初見成效，推動國有上市企業釋放創新活力（孫獻貞，2023）。它們愿意接受新技術與新思維，充分發揮首席信息官與數字技術的交互作用進行數字化創新，敏銳捕捉數字經濟時代的發展趨勢和市場需求，形成更強的國有上市企業數字化創新驅動力和競爭力。

相較之下，非國有智能制造上市企業受資金和技術資源限制，并且自身規模體量相對較小，往往容易在激烈的金融市場競爭中受到排擠，面臨較大的經營困境與創新壓力。因此，在缺乏資源覆蓋以平滑企業風險的情況下，非國有智能制造上市企業通常會對新事物持觀望態度，更加謹慎對待新技術的引入和創新的嘗試，陷入“想轉型不能轉”“想創新不能創”的局面，開展數字化創新的意愿更低。與此同時，也有一些非國有智能制造上市企業可能未意識到數字化創新的重要性，更多偏向于利用信息技術和人才進行日常生產經營活動，規避風險不確定性較大、回報期較長的數字化創新活動，從而導致信息技術投入、首席信息官及其兩者交互作用對非國有智能制造上市企業數字化創新的成效產生較弱的影響。但不可忽視的是，目前也有一些非國有智能制造上市企業在數字化創新方面取得杰出成績，如美的集團。這可能是因為該集團領導者更具備敢于冒險與創新的企業家精神，能夠迅速意識到數字化創新對智能制造企業的重要性，有勇氣膽識與戰略遠見率領上市企業數字化創新發展。綜合而言，在數字化創新過程中，國有智能制造上市企業表現得更為游刃有余和得心應手。

（二）基于企業吸收能力的異質性分析

企業吸收能力指的是企業對新知識和新技術吸收、掌握、轉化并應用商業化的能力（林潤輝和王倫，2023；袁勝超，2022），對智能制造企業應用數字技術開展創新活動具有關鍵作用。當前，數字技術更新迭代快，這意味著智能制造企業必須不斷學習與應用新的數字技術，探索數字化創新的機會，以適應不斷變化的商業環境，避免被市場淘汰。較強的吸收能力有助于智能制造企業學習新的數字化知識，并加速與現有知識元素的同化與整合（杜麗虹和吳先明，2013），從而在企業生產環節各流程中更好地實現各種新的數字化組合與創造。相比之下，吸收能力低的智能制造企業在獲取和應用新的數字化資源上有一定阻礙，制約企業數字化創新活動。因此，本文參照肖陽和張曉飛（2021）的方法，采用企業研發人員總人數的自然對數來衡量智能制造企業吸收能力，并依據中位數將樣本劃分為兩組，以探討吸收能力差異對智能制造企業數字化創新的影響。其中，高于中位數者為高吸收能力樣本組，低于中位數者為低吸收能力樣本組。

由表9 列（1）～列（6）的結果可見，技術層面與行為主體層面的變量——企業信息技術投入（lnICT）及首席信息官（CIO）均促進了兩組智能制造企業樣本數字化創新。然而，從系數上看，企業信息技術投入與首席信息官對高吸收能力智能制造企業數字化創新產生的積極影響更大。此外，企業信息技術投入與首席信息官的交互項（lnICT×CIO）對高吸收能力智能制造企業的數字化創新促進作用比低吸收能力企業更為顯著。這一現象可能源于高吸收能力的智能制造企業在識別、轉化并利用新的數字技術和數字知識進行創新活動方面更加具有人才、技術與學習優勢。因此，該類企業的首席信息官與信息技術投入能夠更加發揮積極作用，最大限度地利用數字知識與技術元素來開發新的數字產品、研究新的數字技術、申請新的數字專利，從而有效提升智能制造企業的數字化創新績效。

表9 基于企業吸收能力的異質性分析回歸結果

六、進一步討論：數字經濟環境對智能制造企業數字化創新的影響

當今時代，智能制造企業擁抱數字化創新已成為必然趨勢。除企業內部充分準備外，外部環境亦對智能制造企業創新戰略和發展走向產生舉足輕重的影響。接下來本文將聚焦于情境層面，探討其對智能制造企業數字化創新的影響。

以數字經濟環境（Envir）為情境層面變量，通過基準回歸分析其與企業數字化創新（lnPatent）之間的關系。表10 中列（1）的結果顯示，智能制造企業所在省份的數字經濟環境與企業數字化創新在1%水平上呈正相關關系，驗證了假設H4。這表明數字經濟環境能夠對智能制造企業發展起到引領作用，有利于提升企業數字化創新能力。當智能制造企業所在區域數字經濟環境更優越時，其數字化創新效果尤為顯著。

表10 數字經濟環境對智能制造企業數字化創新的影響結果

為進一步探討不同發展程度的數字經濟環境下，智能制造企業所擁有的信息技術、首席信息官人才及二者交互作用對企業數字化創新的影響差異，本文根據數字經濟環境綜合得分中位數將樣本分為兩組：強數字經濟環境與弱數字經濟環境。高于中位數者為強數字經濟環境樣本組，低于中位數者為弱數字經濟環境樣本組。在技術層面，表10 中的列（2）與列（5）的實證研究顯示，企業信息技術投入（lnICT）在強數字經濟環境下對智能制造企業數字化創新（lnPatent）的驅動效應更顯著；在行為主體層面，列（3）與列（6）的實證結果表明首席信息官（CIO）在弱數字經濟環境下對智能制造企業數字化創新產生的積極影響更大。從技術與行為主體的交互作用角度來看，無論是在強數字經濟環境還是弱數字經濟環境下，首席信息官與企業信息技術投入的交互項（lnICT×CIO）均與智能制造企業數字化創新在1%水平上呈顯著正相關關系。然而，兩者的交互作用對于強數字經濟環境下的智能制造企業開展數字化創新活動的影響更為強烈。

關于技術層面的不同影響，這可能是因為強數字經濟環境中的智能制造企業擁有更為優越的外部環境資源基礎，能夠幫助企業及時調整自身數字化發展戰略以適應外部環境變化，從而推動企業數字技術資源投入與企業業務運作、生產等方面更加相適應、相匹配，實現智能制造各環節上的數字化創新，取得積極成果。關于行為主體層面的不同影響，這可能是因為智能制造企業在強數字經濟環境的推動下，正逐漸形成較為先進的數字化思維與理念，能有效借鑒外部數字技術基礎優勢，積極探索數字化創新的實踐。這種數字化思維和經驗的積累，使得企業在數字化創新方面日益具備與首席信息官相類似的前瞻性想法與行為，從而降低對首席信息官的依賴，逐漸發揮自身的數字化創新能力與優勢，使得首席信息官在數字化創新中的作用相對縮小。但與此同時，該背景下的首席信息官也相對接觸到更多先進的數字技術與數字化創新成果，擁有更廣闊的眼界與見識，能夠結合企業所擁有的數字技術產生各種可行的數字化創新想法并加速其落地和推廣。由此可見，在強數字經濟環境下，“數字化人才+數字技術”的緊密搭配將為智能制造企業帶來更高效的數字化創新效果。相較之下，在較弱數字經濟環境中的智能制造企業則相對缺乏外部基礎優勢，無法靈敏及時地反應外界的數字化發展與變革，此時首席信息官的角色變得更加重要。具體而言，在弱數字經濟環境下，首席信息官能夠利用自身在數字技術、項目管理等方面的專業知識與技術經驗，一方面，向智能制造企業管理者傳授數字技術領域的最新知識與變化、分享優秀企業的數字化創新戰略與案例，幫助企業融入數字化創新思想并實現發展目標；另一方面，對智能制造企業的管理制度進行創新變革，積極培養各部門員工的數字化創新能力與思維，提高企業員工的數字化素質，從而營造良好的內部數字化創新環境。然而，囿于外部環境的制約，即使在弱數字經濟環境中，首席信息官也能夠推動智能制造企業跨越數字“鴻溝”，突破數字化難題，擴展企業數字化創新邊界，但是其與企業信息技術相結合下發揮的數字化創新作用仍有很大的提升空間，需要不斷探索和實踐。

七、結論與展望

（一）研究結論

在數字化時代的大背景下，智能制造企業需積極投身數字化創新，以增強其核心競爭力，避免在市場競爭中被淘汰。本文基于中國2016—2021 年380 家智能制造上市公司的面板數據，采用固定效應模型，對智能制造企業數字化創新的驅動因素從技術層面、行為主體層面、情境層面及技術與行為主體層面交互作用進行了深入分析。據此，得出以下結論：

第一，數字化資源為智能制造企業的數字化創新行為提供有力支持，進一步增強其數字化創新的潛在可能性。研究發現企業信息技術投入與智能制造企業數字化創新呈正相關關系，表明數字化基礎設施在加速企業數字化、網絡化、智能化發展中具有重要作用。這些基礎設施為智能制造企業數字化創新奠定了堅實基礎，有助于新興數字技術在各項業務領域中實現拓展與創新，從而提升智能制造企業數字化創新績效。

第二，首席信息官在智能制造企業的數字化創新中發揮關鍵作用，同時與數字技術產生積極的交互效應，有效提高企業數字化創新發展效率。研究發現首席信息官、首席信息官與企業信息技術投入的交互作用對智能制造企業數字化創新具有顯著的正向影響，表明首席信息官在掌握新興數字技術發展動態與應用方面具有獨到之處，能夠與數字技術在學習與應用中產生持續的交互作用。這種交互作用在智能制造企業數字化創新的各個階段中產生積極影響，為智能制造產品生產創新與變革不斷提供新思路和新想法，推動智能制造企業數字化創新能力提高和進步。

第三，數字技術、首席信息官及兩者之間的交互作用對國有、高吸收能力的智能制造上市企業數字化創新賦能效果更顯著。國有智能制造上市企業通常具有更多的政策支持與資源優勢，并且內部管理體制逐漸完善。這使得它們能夠更積極、無畏地投入數字化創新活動，促進首席信息官深度運用數字技術融入智能制造企業生產、管理和銷售等環節，產生各種數字化創新可能性，提升國有智能制造上市企業數字化創新成效。對于高吸收能力智能制造企業而言，其在數字化技術和數字化人才配置方面具有較強優勢，進而擁有更高的信息消化能力。這使得首席信息官能夠通過策略規劃、技術管理等手段，更好地對智能制造企業數字化發展和智能化升級進行整體優化，實現企業數字化創新目標，將創新想法付諸實踐。

第四，良好的區域數字經濟環境有助于釋放積極信號，推動智能制造企業的首席信息官與信息技術在交互中發揮最大的數字化創新效能。研究表明，智能制造企業所在區域的數字經濟環境發展水平與企業數字化創新正相關。在強數字經濟環境中，首席信息官與信息技術投入的交互作用對企業數字化創新的影響更為顯著。良好的數字經濟環境為智能制造企業提供了穩定、有序的數字化發展氛圍，有助于降低環境不確定性，優化數字化創新環境。同時，數字經濟環境的提升加強了首席信息官對數字化發展的認識和感知，促使其更好地運用數字技術開展創新活動，提高數字化創新產出。此外，良好的區域數字經濟環境發展為智能制造企業提供了重要的創新動力，推動數字化人才和產業的集聚，創造更多的數字化創新機會。借助這些機會，智能制造企業能夠更全面地運用數字技術，不斷挖掘和發現新的數字化創新機遇。

（二）研究建議

為了推動中國智能制造企業在數字化創新領域取得顯著成果，提升競爭優勢并實現經濟效益最大化，本文基于理論探討與實證分析得出如下針對性建議：

第一，智能制造企業要加大數字化人才及新興數字技術投入與建設。數字化人才和新一代數字技術是推動智能制造企業進行數字化轉型升級的核心資源。目前，中國智能制造企業在數字化轉型方面尚處于初級階段，產品創新、流程創新和業務創新過程中缺乏相關的數字化人才和新興數字技術的應用。為此，智能制造企業應關注數字化人才的重要性，加強數字技術領導者的投入與培養，引入首席數據官、首席信息官、首席技術官等數字技術領導者，以更有效地利用數字技術進行新產品研發、生產流程優化，實現數字技術在核心業務中的全面滲透。同時，智能制造企業還需加大研發人員及數字技術投入，推動底層架構優化，激發“云”能力，提升關鍵軟硬件技術創新及供給水平，從而實現數字化創新的“自我造血”機制，提高數字化創新績效。

第二，智能制造企業要注重培養和提升數字技術領導者的數字思維方式與技術能力。數字技術領導者作為智能制造企業的關鍵知識型和技術型領導者，需要具備對傳統企業技術技能、新興技術和工作流程的深刻認知，才能夠將業務知識與信息技術緊密結合，推動智能制造企業進行數字化創新。因此，智能制造企業應關注數字技術領導者的技術能力和數據思維能力培養，例如定期開展產品生產、數據工程技術等基礎技術培訓，以及與其他智能制造企業進行數字化創新交流等。這將有助于數字技術領導者及時發現并調整智能制造企業在數字化創新過程中的不足之處，制定切實可行的數字化創新方案，提高創新績效。

第三，國家要繼續加強區域數字經濟環境建設，同時智能制造企業應根據外部數字經濟環境的不同發展水平，靈活調整數字化創新戰略與措施。數字經濟作為一場深刻的新經濟革命，是新時代引領智能制造企業數字化創新和高質量發展的重要引擎。一方面，國家應加強數字中國建設的整體布局，以“產業數字化、數字產業化”為主線，推動各地數字經濟環境建設，營造良好的數字經濟生態環境，促進創新主體與數字經濟環境的交互融合，為智能制造企業數字化創新提供更優發展平臺。另一方面，對于位于較為發達數字經濟環境中的企業，例如一線城市、沿海城市的智能制造企業，應注重對先進數字技術的投入與應用，以保持在數字化創新方面的領先優勢；而對于位于較為落后的數字經濟環境中的企業，例如西北地區、偏遠地區的智能制造企業，則需要注重數字化領導人才的培養與配置，引入首席信息官、首席數據官等數字化人才以彌補企業外部數字經濟環境的不足（如缺乏數字化標桿學習、缺乏數字知識溢出），從而提升數字化創新的能力與水平，實現企業數字化創新的跨越式發展。

第四，非國有與創新資源相對欠缺的智能制造企業應勇敢面對數字化帶來的挑戰，將數字化創新戰略納入企業長期發展規劃的重要組成部分。首先，這類智能制造企業應正確認識到數字化創新的重要性，重視數字化思維的變革與滲透，以推動組織文化轉變，提高企業數字化創新積極性。其次，這類智能制造企業可以在正常運營和保證利潤的前提下，采取分步驟、分階段、分環節的方式開展數字化創新。具體而言，企業可以根據自身生產運營情況，選擇局部、小范圍的環節作為試點，如生產經營的痛點難點環節、生產價值最重要的環節等，利用數字化技術進行試點與改進，從而驗證數字化創新的可行性和效果。這樣的方式有利于企業及時調整和優化方案，降低創新風險與成本，并逐步將數字化創新推廣和應用于企業的生產運營各個環節。最后，這類智能制造企業可以與合作伙伴、技術提供商或科研機構建立合作關系，積極尋找適合自身需求和可承受的資源投入的數字化創新解決方案，以獲取所需的技術和資源。通過這些措施，非國有與創新資源相對欠缺的智能制造企業能更好地抓住數字化創新的機遇，逐步在數字化創新活動中取得突破，提升企業競爭力。

（三）研究不足與展望

本文從技術可供性視角出發，選取智能制造企業作為研究樣本，通過實證分析探討了企業技術層面、行為主體層面、情境層面及技術與行為主體交互作用對智能制造企業數字化創新產生的影響。然而，當前該領域的研究尚處于探索階段，未來研究工作可從以下兩方面予以完善。

一方面，變量“企業數字化創新”的測量方法存在一定準確性問題。在本文中，鑒于數據的可得性，主要采用企業當年申請的數字化類專利數量來衡量智能制造企業的數字化創新水平，然而，這一測度方式目前仍有待進一步的完善。因此，未來研究可采用訪談或問卷調查的方式對智能制造企業數字化創新水平進行更精細化的測量，并結合其他理論探索數字化創新的測量方法。

另一方面，未來關于企業數字化創新的研究可圍繞智能制造企業的細分領域深入探討，例如可以深入研究影響離散型和流程型智能制造企業數字化創新的異質性因素有哪些等等，從而為推動智能制造企業數字化創新提供更廣泛、更細致化、更具針對性的建議。